基于自适应粒子群优化BP神经网络的高速电主轴温度预测模型（英文）

为精确地预测电主轴高速运转时内部温升的变化情况,提出了一种基于自适应粒子群优化BP神经网络的电主轴温度预测模型(APSO-BPNN).该模型在PSO-BPNN算法的基础上,引入自适应惯性权重,使权重跟随粒子适应度的变化而变化;采用自适应学习因子,在算法的初期和后期获得不同的搜索能力;融入变异算子,增加种群的多样性,避免算法的早熟收敛等缺点.然后,分别采用BPNN、PSO-BPNN和APSO-BPNN预测模型对电主轴不同测温点的温度进行预测.实验结果表明,与传统的BP神经网络和PSO-BPNN预测方法相比,所提APSO-BPNN模型预测精度最高,鲁棒性最强,可为电主轴及机床温升的智能控制和早期预警系统开发提供理论依据.     

减法聚类和粒子群优化TS模糊神经网络的驾驶疲劳融合检测(英文)

为提高基于单一特征检测算法的准确率和可靠性,提出基于多个特征的驾驶疲劳融合检测算法.从直接反映驾驶员疲劳的2个面部特征和间接反映疲劳的1个车辆行为特征2个方面对驾驶疲劳进行综合检测.该算法运用TS模糊神经网络来识别驾驶疲劳,采用减法聚类对网络进行结构辨识,确定模糊规则的条数及相关参数的初始值,并改进了粒子群优化算法对网络进行训练.仿真和实车实验表明,该算法不仅能有效改善TS模糊神经网络的收敛速度和识别精度,而且能提高驾驶疲劳的检测正确率.     

利用遗传算法优化神经网络超参数（英文）

目的:证明超参数优化对深度能量方法(DEM)精度的影响以及DEM在预测不同荷载作用下梁和板等结构的应力分布方面的能力。创新点:1.为了提高DEM的准确性,各种超参数组合被输入遗传算法(GA)并找到最佳组合。2.为了防止重复计算以及提高这种元启发式算法的效率,GA过程中还考虑了超参数组合的禁忌列表。方法:1.实施非均匀有理样条(NURBS)以生成穿过结构体和边界的积分点。2.采用DEM计算位移和应力分布。3.利用遗传算法优化DEM的超参数,以对模型在预测结构内应力和位移传播的准确性方面具有显着影响。结论:1.在不同的优化器和激活函数中,Adam和L-BFGS-B方法以及Re LU2函数的组合使得DEM模型的准确率最高。2.其他对模型预测准确性有影响的超参数包括隐藏层的数量、每层神经元的数量以及通过上述结构集成的点数。3.优化DEM的超参数可以使相对应变能误差降低近50%,提高了DEM模型对应力和位移分布的预测能力。     

一种基于粒子群和鱼群的混合优化算法

本文通过分析和比较粒子群和人工鱼群算法的优点和缺点,提出了一种新的混合优化算法,并用此算法求解无约束优化问题,实际仿真数值结果表明,新算法的收敛精度和收敛速度都明显优于粒子群和鱼群算法,且亦然符合动物的自然规律,是一种很高效的优化算法．     

基于高级临界状态模型对土柱坍塌进行光滑粒子流体动力学模拟（英文）

目的:采用数值模拟方法研究涉及大变形的土柱坍塌过程。创新点:基于临界状态的高级本构框架,利用光滑粒子流体动力学(SPH)方法模拟土柱坍塌过程,并同时研究颗粒形状对坍塌的影响。方法:采用数值仿真和离散元的方法。结论:本文提出的SIMSAND-SPH方法在模拟涉及大变形问题的土柱坍塌过程方面具有很高的效率和计算精度,可为实际工程问题提供参考依据。     

基于粒子群优化算法的结构可靠度敏感性分析方法:相对收敛率（英文）

目的:采用粒子群优化算法(PSO)提高可靠指标计算效率,探讨PSO求解过程中粒子群在不同维上统计特性及其收敛速率表征的物理含义,研究优化过程中粒子收敛速率与随机变量敏感性的关系,提出可靠度敏感性分析新方法。创新点:1.根据PSO寻优过程中粒子在不同维上收敛速率不同,提出采用收敛速率表征随机变量的敏感性;2.建立最优化策略组避免粒子群收敛过程中产生波动,保证最优化策略组内粒子在不同维上连续收敛,定义相对收敛率表征随机变量敏感性。方法:1.根据Hasofer-Lind可靠指标的几何意义,建立可靠指标的优化模型,提出采用改进的PSO求解可靠指标与验算点,采用可行策略方法处理约束条件;2.通过理论推导,构造PSO迭代过程的最优评价函数集(公式(18)),建立最优化策略组保证粒子在不同维上连续收敛,提出表征随机变量敏感性的相对收敛率计算公式(公式(19));3.通过数值模拟并与传统基于梯度的敏感性分析计算结果比较,验证本文所提方法的可行性和有效性。结论:1.相对收敛率可以表征随机变量的敏感性;2.最优化策略组避免相对收敛率的波动,保证候选粒子变异系数曲线在解空间内连续收敛;3.最优化策略组内随机变量候选解的变异系数越小则其表征的随机变量越敏感;4.基于PSO的可靠度及敏感性分析对复杂问题更有效。     

使用稳定小波转换和神经网络识别功能梯度材料框架结构裂纹（英文）

目的:功能梯度材料(FGM)框架结构的裂纹识别。创新点:1.可接收多裂纹FGM结构在任意高频带中的精确模态。2.提出了一种使用稳定小波转换(SWT)模态和神经网络识别FGM框架结构裂纹的一体化程序。方法:使用动态刚度方法并结合与频率相关的形状函数,填补有限元方法的空白。这些形状函数被认为是频域内振动问题的精确解。结论:1.神经网络与SWT模态振型方法相结合,即使在测得的模态噪声很大的情况下,也能准确评估FGM结构的裂纹深度。2.本项研究中提出的FGM框架多裂纹识别一体化程序也适用于有限测量数据的情况,且这些数据不仅局限于模态,还包括结构的静态或动态挠度。     

基于实复值混合时延神经网络的宽带功放的建模和线性化（英文）

提出了一种新型的实复值混合时延神经网络,用于建模和线性化宽带射频功放.该神经网络包含输入信号的广义记忆效应、复值输入信号和复值输入信号模值的分数阶次,因而其建模精度显著提高.对实复值混合时延神经网络在不同扩展常数、记忆深度、神经元数和阶数时的归一化均方误差(NMSE)进行了比较研究,以建立一个能够有效建模宽带功放强非线性的基带模型—最优时延神经网络(TDNN).采用51 dBm宽带功放和25 MHz带宽的混合测试信号用于模型的有效性验证.测试结果表明,实复值混合时延神经网络相比记忆多项式模型和实值时延神经网络具有更高的建模精度,NMSE提高5 dB.此外,实复值混合时延神经网络相比广义记忆多项式模型,NMSE提高0.6 dB,并具有更好的数值稳定性.相比实值时延神经网络和记忆多项式模型,所提出的时延神经网络能够更好地抑制带外的频谱再生.     

基于改进粒子群算法的分数阶系统参数辨识（英文）

为了更好地辨识分数阶系统的参数,提出了一种基于Tent映射的改进粒子群算法(MPSO).采用8个经典测试函数对MPSO算法的性能进行了测试,并与自适应时变加速器算法(ACPSO)、改进的被动聚集粒子群算法(IPSO)以及遗传算法(GA)进行对比,验证了所提算法的有效性.在已知模型结构和未知模型结构的基础上,利用所提算法对2种典型分数阶模型进行参数辨识.参数辨识结果表明,应用位置信息的平均值有利于充分共享个体间的信息,从而能够加快全局搜索速度;Tent映射具有的均匀性和遍历性能够防止位置信息中极值的产生,避免算法陷入局部最优.MPSO算法收敛速度快、精度高,是一种有效且实用的方法.     

LTE网络覆盖优化中一种基于改进粒子群的天线倾角调整的算法（英文）

为了解决LTE网络所面临的具有挑战性的覆盖问题,提出一种基于改进的粒子群优化(MPSO)的覆盖优化方案.该方案通过调整演进基站(e NB)的天线倾角(ATA)优化网络覆盖.e NB利用移动台(MS)测量到的参考信号接受功率(RSRP)判断自身服务的MS数目,并用服务的MS数目作为覆盖优化的评价指标,通过最大化服务MS的数量来优化覆盖.在MPSO算法中,存在一群可被看作是ATA集合的粒子,适应度函数定义为被服务的MS总数,每次迭代中的进化速度对应于ATA的调整尺度.仿真结果表明,与固定天线倾角相比,提出的算法使得e NB服务的MS数目增加7.2%,接收信号的质量提升20 d Bm,同时系统吞吐量提升55 Mbit/s.     

一种基于深度神经网络的结构优化求解算法（英文）

目的:提出一种新的优化方法以解决结构优化问题。创新点:不是通过灵敏度分析来解决优化问题,而是利用深度学习神经网络的优势来寻找优化函数的最优值。方法:1.采用基于拉格朗日对偶和深度神经网络的方法。2.将输入数据用于训练神经网络,直到输出值与预测值非常接近为止。3.通过深度学习插值求解拉格朗日min-max对偶问题,从而找到最小输入值。结论:1.该方法可以解决结构优化问题,但它限制了设计变量输入的数量。2.该方法的准确性取决于输入的区间大小;因此,下一步工作是发展新方法以减少输入数据集的数量。     

改进粒子群算法集成解决动态单元构建与布局问题（英文）

为了降低产品生命周期缩短对生产系统的影响,对动态单元构建与布局问题同时进行了优化.首先介绍了单元构建与布局问题,考虑到不同阶段的产品需求变化及机器产能限制,适当地将单元进行重新布置.然后,以最小化物料搬运费用为目标函数,建立了数学规划模型.其次,提出了基于沟通学习策略的动态多种群粒子群算法,使各种群粒子重组之前以规定策略进行位置共享,避免陷入局部最优和收敛较慢的困境.最后,在不同条件下进行了仿真对比实验,结果表明,所提出的算法具有更好的收敛稳定性以及更快的收敛速度.     

基于可用度的非等检测周期和不完全维修优化（英文）

以多部件系统为研究对象,为提高系统可用度,考虑非等周期检测和不完全维修,建立基于可用度的维修优化模型.引入役龄回退因子描述部件不完全维修效果,提出非等检测周期的建模方法.将系统不可用状态划分为3个相互独立的事件,分析和计算每个事件下的系统不可用度.在分析不可用状态与非等检测周期之间关系的基础上,建立不完全维修条件下的维修优化模型,以优化系统的期望可用度.以某风力机的变速箱、发电机和主轴3个核心部件的维修优化为案例,比较非等周期检测维修模型和等周期检测维修模型的优化结果.结果表明,提出的基于可用度的非等检测周期维修模型能够实时更新风力机系统的维修计划,实现维修活动优化,有效地提高系统可用度     

面向多源分布式混合发电系统的电源配置优化模型（英文）

为了有效整合微电网中不同新能源发电设备,提出了一种面向多能互补分布式新能源发电系统及其辅助设备的电源配置优化模型.该模型首先确定电源配置的初始方案,然后根据用户偏好对初始方案进行优选.通过层次分析指标权重计算方法得到各初始方案的综合评估指标值,并对初始方案进行排序.针对不同型号设备参数多样性及投资成本的差异,该方法可以给出相对合适、经济的电源配置方案建议.此外,较之目前主流Homer Pro,所提出的规划方法考虑了多种新能源之间互补性,相比仅考虑综合成本的单一评价方式,提高了多能源微网配置的合理性.     

离心泵内部流动结构、性能优化与故障检测综述（英文）

目的:对离心泵的内部流动机理和外部特性、振动监测和性能优化进行研究,并对新兴研究趋势进行评述,为提高离心泵系统的能效提供参考建议。创新点:1.探讨了最新的用于离心泵数值模拟的湍流模型和空化模型的研究成果以及利用可视化方法揭示离心泵内部复杂流动现象的最新进展。2.对离心泵的外部特性、空化和振动进行了广泛的讨论,并总结出一种提高离心泵在工程应用中的效率和扬程、降低汽蚀余量的适用性强的离心泵叶轮多目标优化方法。方法:1.对离心泵的内部流动机理进行综述,以充分了解离心泵内部复杂的流场结构和能量损失机理。2.对离心泵外部特性进行研究,解释内部非定常流动与外部特性的耦合关系。3.介绍与离心泵在运行过程中压力脉动的监测和测量相关的最新研究进展。4.详细介绍优化离心泵性能的各种方法和措施。结论:1.尽管对离心泵内部流动现象机理及流场结构的研究已经取得了一定进展,但研究中仍存在一些亟待解决的问题,如初生空化的监测与预防、泵内旋转失速现象发生发展的规律、数值模拟和实验之间不可忽视的数据差异等。2.针对这些问题,开发高精度的计算流体动力学仿真模型,结合关键过流部件的优化设计来减少流动不稳定性和提高性能,以及运用现代流动显示技术的最新设备进行大量的仔细繁杂的试验与测量工作,是非常必要和重要的,也是未来泵内流动研究的趋势。     

基于密集多载波波形的谐振区雷达检测优化（英文）

区别于现有发射正交频分复用(OFDM)多载波波形的谐振区雷达系统(RRRS),提出了拥有比传统OFDM波形更窄频率间隔的密集多载波(DMC)雷达波形.在相同带宽内,DMC波形包含了更多的子载波,从而能提供更高的频率分集.为了进一步提高检测性能,提出了一种新的最优权重累积目标检测(OWATD)方法.该方法采用最佳权重系数来累积不同频率的电磁回波,分析了当回波信噪比(SNR)趋于无穷大时的极限检测性能,并给出了采用DMC的OWATD方法优于采用OFDM的匹配滤波方法的条件.仿真结果表明,DMC的目标检测性能优于OFDM,而且OWATD方法可以进一步提高采用DMC和OFDM波形的传统方法的检测性能.     

混合非机动车交通流超车事件数和运行参数的关系（英文）

调查了电动车和自行车之间的超车事件,并探索已有非机动车设施内超车事件数和交通参数之间的关系.应用摄像机观测了3个南京机非隔离的非机动车道路段,并详细分析了包括流量、速度和超越事件特征在内的实际数据.通过数据分析和拟合发现:超车事件与速度差别以及自行车比例相关性较弱;高斯函数可以较好地描述超车事件数和流量(密度)之间的关系;非机动车道的利用水平影响到超车事件密度曲线的拐点位置.研究结论可应用于混合非机动车流中超车事件数的计算和机非隔离非机动车道的宽度设置.     

胰腺外分泌功能不全对肠道微生物群的影响（英文）

胰腺外分泌功能不全（PEI）可由多种疾病引起,包括慢性胰腺炎、急性胰腺炎、胰腺切除术后等。PEI其主要发病机制与胰蛋白酶合成下降、胰液流动紊乱、分泌反馈失衡有关。动物研究表明：PEI可诱导肠道细菌过度生长和生态失调,其中乳杆菌和双歧杆菌的丰度增加最为多见;肠道细菌过度生长和生态失调可通过胰酶替代治疗得到部分逆转。临床研究也证实PEI与肠道菌群失调之间存在关联。胰脏外分泌水平的下降,伴随PEI产生的十二指肠p H值的改变,以及PEI引起的胆盐吸收不良,这可能是PEI导致肠道菌群丰度和组成发生改变的潜在作用机制。反之,肠道微生物群也可能通过潜在的双向调节影响胰腺外分泌腺泡的功能。展望未来,仍需要更多的高质量研究来揭示胰腺外分泌不足对肠道微生物群影响的机制。     

混凝土拱坝横缝单元和损伤本构的研究（英文）

研究目的:研究混凝土拱坝多尺度横缝单元和坝体损伤。创新要点:解决了拱坝坝段单元采用不同剖分形式(即多尺度剖分形式)时,在静动力荷载下,拱坝横缝开度和坝体损伤的计算。研究方法:首先建立大尺度交接面单元和小尺度单元坝段自由度耦合,然后建立大尺度交接面单元和大尺度单元坝段横缝单元模型,并对坝体损伤本构的计算进行研究。重要结论:通过对比计算发现,通过混凝土的损伤本构计算的应力峰值和实验结果相同,下降段的应力应变曲线基本吻合。提出的不同尺度横缝单元模型对坝体应力和横缝开度的计算误差在7%以内。     

基于卷积神经网络和光谱敏感度的高光谱影像分类方法（英文）

目的:由于高光谱成像的特性,高光谱遥感影像较光学、多光谱影像具有更多的光谱信息,因此对高光谱影像地物的分类也相对困难。为提高分类精度,本文提出一个新的高光谱遥感影像分类模型。创新点:考虑到不同的地物覆盖对不同波段范围的电磁波有不同的敏感度,本文提出一个基于卷积神经网络和光谱敏感度的深度学习模型,以提高对高光谱遥感影像地物分类的准确率。通过在最终的分类器后添加一个光谱权重,该模型能够更准确地分类地物。方法:1.将带标记的样本在光谱维度上分为可见光和红外波段,并将部分样本作为训练集和测试集输入到网络中进行训练。2.训练完成后利用模型对全图进行预测,并通过部分预测结果计算出未识别率δ和误识别率γ两个参数。3.利用δ和γ可计算出不同光谱范围的光谱权重并将其置于分类器前(图5)。结论:1.模型加入光谱权重后的分类准确率较之前提高了约2%。2.利用公共数据集测试后显示,使用了光谱权重的卷积神经网络模型的分类精度比未使用光谱权重的模型高约1%。3.本文结果显示,利用不同地物对电磁波的敏感性差别可以增加不同地物间的差异,从而提升分类模型的性能。